AgentField快速上手10分钟构建第一个AI Agent REST API附完整新手教程【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfieldAgentField 是一个开源的 AI Agent 控制平面AI Backend你用 Python、Go 或 TypeScript 写一个普通的函数它就自动变成一个生产级AI Agent REST API端点自带路由、重试、记忆、异步执行和可观测性。这篇文章面向新手手把手带你10 分钟完成 AgentField 快速上手克隆仓库、启动控制面板、运行第一个 AI Agent并用一条curl命令调用你的AgentField AI Agent REST API。为什么需要 AgentFieldAI Agent 后端解决什么问题大多数 AI 框架帮你写Agent 逻辑但当你想让前端、后端、定时任务像调用普通微服务一样调用 Agent 时你就得自己手写队列、重试、服务发现和追踪。AgentField 的定位正是补上这一层能力说明函数即 REST API每个app.reasoner()函数自动暴露为POST /api/v1/execute/{agent}.{func}分布式扇出一次请求可派发给上千个 Agent 并行执行控制平面负责排队与重试结构化 AI 输出app.ai(schemaMyModel)直接返回类型化结果Pydantic / Zod共享记忆内置 KV 向量检索四种作用域无需 Redis可观测性自动工作流 DAG、执行追踪、Prometheus 指标下面是 AgentField 的整体架构控制平面Go 服务负责路由与执行Agent 节点可从任意位置笔记本、Docker、Kubernetes注册接入。环境准备克隆 AgentField 仓库并安装约 1 分钟前提条件Python ≥ 3.10详见 docs/DEVELOPMENT.md# 1. 克隆 AgentField 仓库 git clone https://gitcode.com/gh_mirrors/ag/agentfield cd agentfield # 2. 一键安装Go 工具链、Python SDK、前端依赖 ./scripts/install.sh安装脚本会自动完成 scripts/install.sh 中定义的依赖安装安装完成后你得到两个核心命令af—— AgentField CLI用于初始化、运行和管理 AI Agentaf server—— 启动本地控制平面与 Web 控制台http://localhost:8080写第一个 AI Agenthello-world 最小示例 AgentField 中 Agent 的两种基本构件装饰器含义是否调用 LLMapp.skill()确定性函数纯代码逻辑❌app.reasoner()AI 推理函数可调用 LLM✅仓库自带一个最小示例 examples/python_agent_nodes/hello_world/main.py核心只有三步from agentfield import Agent, AIConfig app Agent( node_idhello-world, ai_configAIConfig(modelopenai/gpt-4o-mini), ) app.skill() def get_greeting(name: str) - dict: # 确定性不调用 AI return {message: fHello, {name}! Welcome to AgentField.} app.reasoner() async def say_hello(name: str) - dict: # AI 推理给问候语加一个 emoji greeting get_greeting(name) result await app.ai( userfAdd one appropriate emoji to: {greeting[message]}, schemaEmojiResult, # 结构化输出 ) return {greeting: result.text, emoji: result.emoji} app.run() # 这一行自动暴露 REST 端点关键点app.run()这一行就自动创建了POST /api/v1/execute/hello-world.say_hello这个 AI Agent REST API并把节点注册到控制平面——没有任何 YAML、DSL 或胶水代码。 不想手写可以直接用脚手架af init my-agent --defaults它会生成一个可运行的 AI Agent 工程支持--language go/--language typescript。启动控制平面并运行 AI Agent约 5 分钟打开两个终端# 终端 1启动控制平面Web 控制台在 http://localhost:8080 af server # 终端 2配置 LLM 密钥并运行你的 AI Agent export OPENAI_API_KEY你的密钥 python examples/python_agent_nodes/hello_world/main.py看到节点注册成功后打开http://localhost:8080你会看到 AgentField 的实时控制台Agent 舰队管理、工作流 DAG、执行追踪都在这里。调用你的第一个 AI Agent REST API 这是最重要的一步——你的 Python 函数现在就是一个标准 HTTP 接口任何语言、任何系统都能调用curl -X POST http://localhost:8080/api/v1/execute/hello-world.say_hello \ -H Content-Type: application/json \ -d {input: {name: World}}响应中会返回执行结果与追踪信息完整字段说明见 docs/api/EXECUTE.md{ execution_id: exec_..., run_id: run_..., status: succeeded, result: {greeting: Hello, World! Welcome to AgentField., emoji: }, duration_ms: 42 }恭喜你已经拥有了一个AI Agent REST API进阶玩法可选想做的事怎么做异步长任务跑几小时都不超时POST /api/v1/execute/async/{agent}.{func}支持 Webhook 回调与 SSE 流式推送查询执行状态GET /api/v1/executions/{execution_id}重放一次执行见 docs/api/EXECUTION_RESTART.md安装仓库外的现成 Agent 节点af install 节点仓库地址见 docs/installing-agent-nodes.md执行完成后在控制平面里可以看到这次调用的完整执行时间线下一步10 个现成 AI Agent 示例帮你继续上手仓库的 examples/ 目录按语言整理了大量可直接运行的 AI Agent 示例推荐学习路径hello_world本文→ 掌握 skill / reasoner / REST 暴露hello_world_rag→ 向量记忆 语义检索理解 RAG 基础agentic_rag→ 生产级文档问答防幻觉、引用溯源simulation_engine→ 100 并行 AI Agent 的分布式扇出想深入某一层可以从这些模块读起 Python SDKAgent、AIConfig、装饰器sdk/python/⚙️ Go 控制平面路由、执行引擎、迁移脚本control-plane/ 本地开发指南docs/DEVELOPMENT.md️ 示例总览与学习路线examples/README.md新手常见问题 FAQQ1不写 AI只用普通代码可以吗可以。app.skill()就是确定性函数同样自动变成 REST 端点AI 与非 AI 逻辑可以混合编排。Q2一定要 Docker 吗不需要。af server本地直接跑控制平面Docker / Kubernetes 部署是生产可选方案见 deployments/docker/。Q3支持哪些 LLM通过 LiteLLM 支持 100 模型AIConfig(model...)里直接写模型名即可OpenAI、Claude、Gemini 等。Q4从 1 个 Agent 扩展到 1 万个怎么办控制平面是无状态的 Go 服务横向扩容即可队列、背压429/503 Retry-After、重试都由控制平面自动处理你的 Agent 代码不用改。总结AgentField 快速上手只需三步——af server起控制平面、写一个带app.reasoner()的函数、curl你的 REST API。10 分钟之后你的 AI Agent 就和其他微服务一样可以被任何系统调用了。【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfield创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AgentField快速上手：10分钟构建第一个AI Agent REST API（附完整新手教程）
AgentField快速上手10分钟构建第一个AI Agent REST API附完整新手教程【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfieldAgentField 是一个开源的 AI Agent 控制平面AI Backend你用 Python、Go 或 TypeScript 写一个普通的函数它就自动变成一个生产级AI Agent REST API端点自带路由、重试、记忆、异步执行和可观测性。这篇文章面向新手手把手带你10 分钟完成 AgentField 快速上手克隆仓库、启动控制面板、运行第一个 AI Agent并用一条curl命令调用你的AgentField AI Agent REST API。为什么需要 AgentFieldAI Agent 后端解决什么问题大多数 AI 框架帮你写Agent 逻辑但当你想让前端、后端、定时任务像调用普通微服务一样调用 Agent 时你就得自己手写队列、重试、服务发现和追踪。AgentField 的定位正是补上这一层能力说明函数即 REST API每个app.reasoner()函数自动暴露为POST /api/v1/execute/{agent}.{func}分布式扇出一次请求可派发给上千个 Agent 并行执行控制平面负责排队与重试结构化 AI 输出app.ai(schemaMyModel)直接返回类型化结果Pydantic / Zod共享记忆内置 KV 向量检索四种作用域无需 Redis可观测性自动工作流 DAG、执行追踪、Prometheus 指标下面是 AgentField 的整体架构控制平面Go 服务负责路由与执行Agent 节点可从任意位置笔记本、Docker、Kubernetes注册接入。环境准备克隆 AgentField 仓库并安装约 1 分钟前提条件Python ≥ 3.10详见 docs/DEVELOPMENT.md# 1. 克隆 AgentField 仓库 git clone https://gitcode.com/gh_mirrors/ag/agentfield cd agentfield # 2. 一键安装Go 工具链、Python SDK、前端依赖 ./scripts/install.sh安装脚本会自动完成 scripts/install.sh 中定义的依赖安装安装完成后你得到两个核心命令af—— AgentField CLI用于初始化、运行和管理 AI Agentaf server—— 启动本地控制平面与 Web 控制台http://localhost:8080写第一个 AI Agenthello-world 最小示例 AgentField 中 Agent 的两种基本构件装饰器含义是否调用 LLMapp.skill()确定性函数纯代码逻辑❌app.reasoner()AI 推理函数可调用 LLM✅仓库自带一个最小示例 examples/python_agent_nodes/hello_world/main.py核心只有三步from agentfield import Agent, AIConfig app Agent( node_idhello-world, ai_configAIConfig(modelopenai/gpt-4o-mini), ) app.skill() def get_greeting(name: str) - dict: # 确定性不调用 AI return {message: fHello, {name}! Welcome to AgentField.} app.reasoner() async def say_hello(name: str) - dict: # AI 推理给问候语加一个 emoji greeting get_greeting(name) result await app.ai( userfAdd one appropriate emoji to: {greeting[message]}, schemaEmojiResult, # 结构化输出 ) return {greeting: result.text, emoji: result.emoji} app.run() # 这一行自动暴露 REST 端点关键点app.run()这一行就自动创建了POST /api/v1/execute/hello-world.say_hello这个 AI Agent REST API并把节点注册到控制平面——没有任何 YAML、DSL 或胶水代码。 不想手写可以直接用脚手架af init my-agent --defaults它会生成一个可运行的 AI Agent 工程支持--language go/--language typescript。启动控制平面并运行 AI Agent约 5 分钟打开两个终端# 终端 1启动控制平面Web 控制台在 http://localhost:8080 af server # 终端 2配置 LLM 密钥并运行你的 AI Agent export OPENAI_API_KEY你的密钥 python examples/python_agent_nodes/hello_world/main.py看到节点注册成功后打开http://localhost:8080你会看到 AgentField 的实时控制台Agent 舰队管理、工作流 DAG、执行追踪都在这里。调用你的第一个 AI Agent REST API 这是最重要的一步——你的 Python 函数现在就是一个标准 HTTP 接口任何语言、任何系统都能调用curl -X POST http://localhost:8080/api/v1/execute/hello-world.say_hello \ -H Content-Type: application/json \ -d {input: {name: World}}响应中会返回执行结果与追踪信息完整字段说明见 docs/api/EXECUTE.md{ execution_id: exec_..., run_id: run_..., status: succeeded, result: {greeting: Hello, World! Welcome to AgentField., emoji: }, duration_ms: 42 }恭喜你已经拥有了一个AI Agent REST API进阶玩法可选想做的事怎么做异步长任务跑几小时都不超时POST /api/v1/execute/async/{agent}.{func}支持 Webhook 回调与 SSE 流式推送查询执行状态GET /api/v1/executions/{execution_id}重放一次执行见 docs/api/EXECUTION_RESTART.md安装仓库外的现成 Agent 节点af install 节点仓库地址见 docs/installing-agent-nodes.md执行完成后在控制平面里可以看到这次调用的完整执行时间线下一步10 个现成 AI Agent 示例帮你继续上手仓库的 examples/ 目录按语言整理了大量可直接运行的 AI Agent 示例推荐学习路径hello_world本文→ 掌握 skill / reasoner / REST 暴露hello_world_rag→ 向量记忆 语义检索理解 RAG 基础agentic_rag→ 生产级文档问答防幻觉、引用溯源simulation_engine→ 100 并行 AI Agent 的分布式扇出想深入某一层可以从这些模块读起 Python SDKAgent、AIConfig、装饰器sdk/python/⚙️ Go 控制平面路由、执行引擎、迁移脚本control-plane/ 本地开发指南docs/DEVELOPMENT.md️ 示例总览与学习路线examples/README.md新手常见问题 FAQQ1不写 AI只用普通代码可以吗可以。app.skill()就是确定性函数同样自动变成 REST 端点AI 与非 AI 逻辑可以混合编排。Q2一定要 Docker 吗不需要。af server本地直接跑控制平面Docker / Kubernetes 部署是生产可选方案见 deployments/docker/。Q3支持哪些 LLM通过 LiteLLM 支持 100 模型AIConfig(model...)里直接写模型名即可OpenAI、Claude、Gemini 等。Q4从 1 个 Agent 扩展到 1 万个怎么办控制平面是无状态的 Go 服务横向扩容即可队列、背压429/503 Retry-After、重试都由控制平面自动处理你的 Agent 代码不用改。总结AgentField 快速上手只需三步——af server起控制平面、写一个带app.reasoner()的函数、curl你的 REST API。10 分钟之后你的 AI Agent 就和其他微服务一样可以被任何系统调用了。【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfield创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考